PulseAugur
中
实时 14:08:10
English(EN) Below what training size do deep tabular generators stop beating trivial baselines? A preregistered benchmark on a size ladder of clinical and standard datasets

深度表格生成模型在基准研究中未能优于基线

作者 PulseAugur 编辑部 · [1 个来源] ·

arXiv上的一项新的基准研究调查了深度表格生成模型与简单基线相比的有效性。在从200到20,000行抽样的8个公共数据集和4个原生小型临床数据集上，研究发现深度模型很少优于简单基线。研究还观察到，与预测相反，模型排名在较小的训练规模下出奇地稳定，并且在抽样的大型数据集上的排名与原生小型临床数据集上的排名没有很强的相关性。所有代码、数据和2,220次运行的结果均公开可用。 AI

影响 质疑复杂生成模型在小型表格数据集中的效用，表明更简单的方法可能就足够了。

排序理由 学术论文发布在arXiv上，详细介绍了基准研究。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度表格生成模型在基准研究中未能优于基线

本文如何被排名

Signal score
6 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
学术论文发布在arXiv上，详细介绍了基准研究。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Shivam Shrivastava ·

    深度表格生成器在多大的训练规模下会停止优于简单的基线模型？一项针对临床和标准数据集规模梯队的预注册基准测试

    arXiv:2610.03500v1 Announce Type: new Abstract: Deep tabular generative models are benchmarked on datasets with tens of thousands of rows; clinical datasets have hundreds. We preregistered and ran a size-ladder benchmark to find where the two regimes diverge: 8 public datasets su…

相关实体

相关话题